← Werkzeug-Landkarte · Wissensbaustein
Jina AI
Jina AI GmbH (Berlin) · Wissensbaustein · selbst im Einsatz
Multilinguale Embedding- und Reranker-API aus Berlin – die Bausteine, die Texte in Vektoren wandeln und Suchergebnisse nachsortieren, inzwischen bis hin zu multimodalen Modellen.
Wofür taugt es?
- Mehrsprachige RAG-Systeme (DE/EN/FR/IT in einem Index)
- Reranker, der bei umgangssprachlichen Anfragen die richtige Stelle findet
- Fertige Cloud-API ohne eigenes GPU-Hosting
- Berliner Anbieter, EU-Datenschutz unkompliziert
Woran scheitert es?
- Komplettes Air-Gap (dann selbst hosten mit BGE oder E5)
- Sehr hohe Volumen (Pricing wird teuer – Self-Hosting prüfen)
- Betriebsort
- EU-Betrieb möglich
- Betriebsform
- gehostet
- Quelloffenheit
- Closed Source
- Einstiegsaufwand
- leicht
Was steckt dahinter?
Wo ist es im Einsatz?
- Stand
- Beim Anbieter
- jina.ai
Jina liefert die zwei Schritte, die in jedem RAG-System stecken: Embedding (Text → Vektor) und Reranker (Top-N nachsortieren). Im go4ai-Stack sind jina-embeddings-v3 (1024 Dimensionen, multilingual, ca. 0,02 $ je 1 Mio. Token) und der Reranker v2 gesetzt – kostengünstig, schnell, EU-konform. Jina hat mit jina-embeddings-v4 (multimodal, Text und Bild, 3,8 Mrd. Parameter, 32K Kontext) und jina-reranker-v3 bereits die nächste Modellgeneration veröffentlicht; für reine Text-RAG-Fälle bleibt v3 im Preis-Leistungs-Verhältnis weiterhin die pragmatische Wahl, ein Wechsel auf v4 lohnt sich vor allem, sobald Bild- oder Dokumenten-Layout-Suche dazukommt.